一种人脸表情的疼痛评估方法技术

本发明专利技术涉及表情识别及疼痛评估技术领域，具体来说是一种人脸表情的疼痛评估方法，对图像先后进行去噪平滑处理人脸在图像中的位置检测处理和归一化处理，并分别采用Gabor滤波器和最大池化法提取Gabor疼痛表情特征和最大池化疼痛表情特征后在进行特征融合，最大程度地实现了表情特征向量集的抗干扰能力，能够提取出更为全面的表情特征，使得后续的疼痛评估更为准确，最后采用SVR回归分类器对待训练的疼痛表情特征向量集进行训练与学习，并得出SVR模型，能够有效、快速、准确地对疼痛表情的等级作出评估。

A pain assessment method for facial expression

The present invention relates to the technical field of facial expression recognition and assessment of pain, pain assessment is a method of facial expression specifically, the image has smoothing the face position in the image detection processing and normalized, and respectively using Gabor filter and the maximum pool method of pain expression feature after extracting feature fusion Gabor expression of pain characteristics and the maximum pool, to maximize the expression feature vector set anti-interference ability, can extract more comprehensive expression features, making the subsequent more accurate assessment of pain, pain expression feature vector using SVR regression classifier to the training set for training and learning, and that the SVR model can effective, fast and accurate expression level assessment of pain.

【技术实现步骤摘要】
一种人脸表情的疼痛评估方法[
]本专利技术涉及表情识别及疼痛评估
，具体来说是一种人脸表情的疼痛评估方法。[
技术介绍
]表情是人们非语言交流的一种重要方式，包含丰富的情感信息，是情感最主要的载体，是人们理解情感的重要途径。在人类交往中，除了通过自然语言来传递信息外，还可以利用很多其它形体语言如面部表情、身体动作来进行交流。而在表情识别领域，还未有专门针对疼痛表情做专业研究。同时，国际上对于疼痛的评估都是由受过专门训练并熟悉各项监测指标的医护人员进行人工评估，评估结果更多地依赖于个人的知识与经验，并受个人的情绪等主观因素的影响，不能完全客观反映病患疼痛程度。因此，开发一种人脸表情的疼痛评估方法，为临床提供客观准确的疼痛评估，对医护人员及时采取相应的镇痛措施具有非常重要的意义和价值。目前在人脸表情识别的研究方面，一般都是针对普通成年人，将人脸表情划分为6种基本类型：高兴、悲伤、生气、恐惧、惊讶和厌恶，对于表情的疼痛等级评估的研究很少。我国专利：CN201210077351提供了一种进行疼痛与非疼痛表情的分类识别，能有效地识别出微笑、安静、非疼痛时的哭、轻度疼痛、剧烈疼痛状态下的表本文档来自技高网...

【技术保护点】
一种人脸表情的疼痛评估方法，其特征在于具体步骤如下：a.利用摄像设备拍摄人脸正面图像；b.采用自适应高斯滤波方法对人脸正面图像进行去噪平滑处理，并使用人脸探测方法检测人脸在图像中的位置，并在图像中提取出人脸区域；c.通过尺度归一化和光照归一化对人脸区域进行预处理；d.采用Gabor滤波器和最大池化法分别提取Gabor疼痛表情特征和最大池化疼痛表情特征；e.依次采用PCA算法和高斯归一化分别对Gabor疼痛表情特征和最大池化疼痛表情特征进行降维和归一化处理；f.将降维和归一化后的Gabor人脸疼痛表情特征向量和最大池化人脸疼痛表情特征向量进行融合并形成最终待训练的人脸疼痛表情特征向量集；g.采用...

【技术特征摘要】
1.一种人脸表情的疼痛评估方法，其特征在于具体步骤如下：a.利用摄像设备拍摄人脸正面图像；b.采用自适应高斯滤波方法对人脸正面图像进行去噪平滑处理，并使用人脸探测方法检测人脸在图像中的位置，并在图像中提取出人脸区域；c.通过尺度归一化和光照归一化对人脸区域进行预处理；d.采用Gabor滤波器和最大池化法分别提取Gabor疼痛表情特征和最大池化疼痛表情特征；e.依次采用PCA算法和高斯归一化分别对Gabor疼痛表情特征和最大池化疼痛表情特征进行降维和归一化处理；f.将降维和归一化后的Gabor人脸疼痛表情特征向量和最大池化人脸疼痛表情特征向量进行融合并形成最终待训练的人脸疼痛表情特征向量集；g.采用SVR回归分类器对待训练的疼痛表情特征向量集进行训练与学习，并得出SVR模型；h.采用SVR模型对新样本进行预测，并输出疼痛评估等级。2.如权利要求1所述的一种人脸表情的疼痛评估方法，其特征在于所述的步骤b中使用人脸探测方法检测人脸在图像中位置的具体方法为：采用Viola-Jones算法的haar分类器探测图像中是否包含人脸，并将人脸区域提取出来，裁剪出最大的人脸区域，并将针对不同特征的弱分类器组合成强分类器，组合公式如下：式中，T为弱分类器的总数，αt为第t个弱分类器的权值。3.如权利要求1所述的一种人脸表情的疼痛评估方法，其特征在于所述的步骤c中光照归一化的具体处理公式如下：其中，R对应图像的红色数值，G对应图像的绿色数值，B对应图像的蓝色数值，图像处理后的灰度值范围在0到255之间。4.如权利要求1所述的一种人脸表情的疼痛评估方法，其特征在于所述的步骤d中Gabor滤波器的核函数为：其中u和v两个参数分别代表Gabor滤波器的方向和尺度，z＝(x,y)代表像素的位置，δ为一决定窗口宽度和波长之间比例关系的常数，其中k为频率，kmax为最大频率，f为内核间隔因子；对于给定一副疼痛表情图像I(x,y)，Gabor滤波器定义为：Jk(z0)＝∫ψ(z0-z)I(x)d2x＝(ψk*I)(z0)将公式简化，得到：

【专利技术属性】
技术研发人员：张智慧，周霆，王晶，沈蔚慈，修宇，
申请(专利权)人：江苏爱朋医疗科技股份有限公司，
类型：发明
国别省市：江苏,32